и в случае отрицательного NPV выбрать вариант, при котором компания потеряет меньше денег.
Стресс-тест для цифр: анализ чувствительности
Доводилось ли вам представлять заявку на получение финансирования CFO или кому-то из его подчиненных? Если да, то наверняка в самом начале презентации вы слышали вопрос: «Извините, а в какую сумму обойдется эта маркетинговая идея?».
Однако этим дело не ограничивается. Вопросы начинают сыпаться один за другим: «Какова продолжительность акции?», «Когда мы увидим возврат [окупаемость]?», а затем и «Расскажите нам о ваших прогнозах». Как показывает мой опыт, обычно вопросы однообразны и вызывают раздражение: CFO или его подчиненные чаще всего не понимают сути вашей маркетинговой кампании. Тем не менее вы можете подготовиться к ним (как к экзамену). Выше я уже рассказал, как рассчитать затраты и (в случае кампании по созданию спроса или запуску нового продукта) получить показатель окупаемости из расчетов ROMI {34}. Теперь важно ответить на последний вопрос: что произойдет, если вы измените свои прогнозы?
Для этого необходимо провести анализ чувствительности для вашей модели ROMI, созданной в Excel. Основная идея проста: измените входные параметры и посмотрите, что получится на выходе. Полученные цифры помогут вам ответить на вопрос, как выглядят лучший, ожидаемый и худший сценарии для вашей кампании с точки зрения ROMI.
Этот раздел сложен, однако все описанные в нем расчеты можно легко проделывать в Microsoft Excel. Всего несколько щелчков мышью помогают вывести шаблоны в формате Excel на новый уровень. Такие инструменты анализа чувствительности используются лучшими CFO, и если вы сможете применить их для маркетинговых целей, то на следующей встрече вас ждет успех.
Одна из моих любимых функций в Excel – таблично заданная функция. Как ни странно это звучит, она дает возможность изменять цифры в модели и изучать полученный результат{35}.
В табл. 5.7 приведены расчеты для примера с запуском нового продукта из предыдущего раздела, где были изменены прогнозы о доле рынка и росте доходов, после чего пересчитан показатель IRR. Для каждого диапазона параметров 0 соответствует худшему сценарию, а 100 % – лучшему. Главное достоинство этого инструмента – возможность присваивать цветовые коды отдельным ячейкам: зеленый означает «хорошо» (IRR выше минимальной ставки доходности), а красный – «плохо» (IRR ниже минимального допустимого уровня, в табл. 5.7 соответствующие ячейки закрашены темно-серым).
Одна иллюстрация может оказаться важнее сотни аналитических расчетов – табл. 5.7 позволяет вам сразу же делать глубокие выводы о ROMI. В разделе «Финансы для менеджеров по маркетингу» я рассказал, как хорошие игроки в гольф ведут счет, получают данные о тенденциях для прогнозирования результатов и понимают, что неспособны предсказать будущее абсолютно точно, то есть осознают, что у ситуации может быть целый ряд исходов. Табл. 5.7 показывает ряд возможных исходов для запуска нового продукта, и на ее создание ушло всего несколько минут!
Достоинство табл. 5.7 заключается в том, что эти расчеты дают менеджерам возможность объективно обсуждать маркетинговую кампанию или действия, связанные с запуском нового продукта (возможные позитивные и негативные результаты). Анализ чувствительности позволяет модифицировать прогнозы и понимать степень влияния различных факторов, а также выявлять важные допущения в модели.
Обычно в этой функции изменяется не более двух параметров. Однако при наличии значительного количества параметров в модели ROMI лучше использовать анализ по методу Монте-Карло. Его описание кажется сложным, но применять его на практике просто, и это помогает понять особенности происходящих явлений.
Прежде всего нужно понять, что каждое предположение в модели имеет целый ряд возможных исходов. Чаще всего их можно представить в виде колоколообразной кривой, где лучшие и худшие исходы занимают по 5 %, а набор ожидаемых исходов – основную часть графика. Иными словами, лучшие и худшие исходы отделены от среднего на расстояние двух величин стандартного отклонения (под стандартным отклонением подразумевается степень «размаха» кривой). Далее можно выбрать набор случайных входных параметров, используя для каждого из них определенный диапазон предположений. После этого нужно рассчитать параметры исхода для каждого случайно выбранного входного параметра.
Табл. 5.7. Табличная функция анализа чувствительности
Параметры доли рынка и размера заказа (0–100 %) отражают предположения из табл. 5.5 и на рис. 5.4 – от худшего к лучшему. Шаблон можно загрузить на странице www.agileinsights.com/ROMI
Понятно, что один цикл оценки по методу Монте-Карло – возможный исход для модели ROMI с определенным набором входных переменных. По сути, это моделирование ситуации, при которой на проводимую маркетинговую кампанию влияют различные случайные риски и входные параметры входят в определенный диапазон. Если вы проведете расчеты несколько тысяч раз, то со временем выясните, что произойдет в результате тысяч идентичных кампаний с учетом возможной
